古巴成人代谢综合征预测:聚焦 TyG 与 WTI
此英文版本旨在提高该数据集的国际可及性、可见性和可复现性。此版本包括数据清洗、质量控制程序、命名标准化以及选定心血管代谢指标的重算,以确保统计分析及图形输出的一致性

基本信息
资源简介
古巴成人代谢综合征预测:聚焦 TyG 与 WTI
此英文版本旨在提高该数据集的国际可及性、可见性和可复现性。此版本包括数据清洗、质量控制程序、命名标准化以及选定心血管代谢指标的重算,以确保统计分析及图形输出的一致性
PREDICTION OF METABOLIC SYNDROME IN CUBAN ADULTS WITH EMPHASIS ON TyG AND WTI
【数据集背景】
源站首次发布:2026。
【数据内容】
源站描述(机器翻译,仅供参考):描述 / 版本说明(Zenodo)与本研究“Prediction of Metabolic Syndrome in Cuban Adults with Emphasis on TyG and WTI”相关的数据集。此英文版本旨在提高该数据集的国际可及性、可见性和可复现性。该数据库基于 2,000 名古巴成人队列开发,构成题为“Prediction of Metabolic Syndrome in Cuban Adults with Emphasis on TyG and WTI”的手稿准备所用的分析数据集,该手稿目前正在提交前进行最终修订。此版本包括数据清洗、质量控制程序、命名标准化以及选定心血管代谢指标的重算,以确保统计分析及图形输出的一致性。纳入的修改如下:· 验证并校正人体测量学和
【主题与分类】
主题标签:代谢综合征、SM-score、TyG、WTI、VAI、内脏肥胖、心血管代谢风险、预测指数。本站分类:内分泌、营养和代谢疾病。
【获取与许可】
源站页面:https://zenodo.org/doi/10.5281/zenodo.23050574
使用许可:Creative Commons Attribution 4.0 International。
下载信息
注册下载
需要注册 Kaggle 账号并登录后下载,适合需要跟踪下载记录和使用 API 的用户。
暂未开放公开下载
无需注册即可直接获取公开样本或文档,适合快速预览和评估数据集质量。
免登录有偿下载
公开数据集受托下载与技术交付服务。
提供高速下载与技术交付服务(收技术服务费,非数据销售)
暂未开放当前数据集主要来源为 Kaggle 公开托管,完整影像包建议通过原始链接或 Kaggle API 获取。
使用方式
数据集获取
源站:https://doi.org/10.5281/zenodo.23050574
标准获取流程:
- 访问源站链接,注册/登录账号;
- 进入数据集详情页,按页面指引申请权限或直接下载;
- 部分平台提供 SDK,例如:
- OpenDataLab:
pip install openxlab后openxlab.dataset.get(...) - ModelScope:
pip install modelscope后modelscope download - 天池: 登录后页面提供直链下载
以源站「数据下载/使用文档」页面为准。
- OpenDataLab:
数据集大小约 10.6 MB。
数据说明
描述 / 版本说明(Zenodo) 与“古巴成人代谢综合征预测:聚焦TyG与WTI”研究相关的数据集。此英文版本旨在提高数据集的国际可访问性、可见度及可复现性。该数据库基于2000名古巴成人的队列建立,构成用于准备题为“古巴成人代谢综合征预测:聚焦TyG与WTI”手稿的分析数据集,目前该手稿正处于提交前的最终修订阶段。此版本包括数据清洗、质量控制程序、命名标准化以及选定心血管代谢指标的重算,以确保统计分析及图形输出的一致性。以下修改已纳入:· 人体测量与生化变量的验证与校正。· 变量名称标准化,以便与SPSS、Excel、Python及可视化工作流程兼容。· TyG、WTI、WHtR、BRI、LAP、BMI、VAI及SM-score变量的验证。
· 内脏脂肪指数(VAI)的重新计算与验证。
· 将重新计算的内脏脂肪指数(VAI)变量纳入比较分析。
· 代谢综合征分类及SM评分的计算验证。
· 为ROC曲线分析、基于百分位数的分层分析及相关性分析准备数据集。
· 统一标签与编码方案,以促进可重复性及二次分析。
这些修订支持了最终分析产出的开发,包括重新计算的内脏脂肪指数(VAI)的性别特异性百分位数分析、心血管代谢指标的比较ROC分析,以及与SM评分的相关性分析。该数据集予以共享,以促进代谢综合征、心血管代谢风险评估及预测研究领域的透明度、可重复性和未来研究。
数据加载示例(图像类)
from PIL import Image
import glob, os
files = (glob.glob(os.path.join(path, "**", "*.png"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.jpg"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tif"), recursive=True))
print("图像文件数:", len(files))
img = Image.open(files[0]); print("尺寸/模式:", img.size, img.mode)
# torchvision Dataset 方式:
# from torchvision import datasets
# ds = datasets.ImageFolder(path) # 要求 子目录=类别
目录组织与标注格式以源站说明和下载后实际文件为准。
数据缺失?
依托陕西、四川两大基地,我们与超过十家三甲医院建立直接合作关系,覆盖合规授权、采集治理、专业标注、数据交付的全流程,为AI医疗团队提供即拿即用的高质量临床数据。
⚡️ 需要数据支持或标注服务?立即联系我们获取专业方案。




